谷歌研究介绍人机协作分类方法：用边界案例明确模糊概念

北京时间11月5日，Google Research 发表技术文章，介绍名为 Agile Deliberation 的研究方法。它面向标准不完全固定的图像分类任务，让用户通过讨论和反馈逐步明确分类边界，而不是一开始就写出完整规则。

为什么要处理“灰色地带”

有些分类对象容易界定，有些则取决于个人偏好或业务规则。例如，在整理某一主题的图片时，用户可能先有大致想法，却需要看到具体案例才能决定某类图片是否符合要求。规则不清楚时，模型的判断也可能与用户意图不一致。

研究团队设计的流程先把宽泛概念拆成应包含和应排除的子类别，再通过视觉语言模型寻找处在边界附近的图片。用户对这些案例给出反馈后，系统据此调整描述和分类提示，继续迭代。

研究结果如何理解

谷歌介绍，研究人员进行了18场现场用户测试，每场约一个半小时，任务涉及食品图片和内容识别等主观分类场景。团队报告称，在所测场景中，该方法帮助参与者提高判断一致性，也改善了与人工调整提示词相比的使用体验。

这项工作是针对特定任务和参与者开展的研究，不能推断它适用于所有分类场景，也不能替代具体业务中的人工判断。谷歌已在介绍中提供论文、代码和演示入口；文章介绍的是已有研究方法，并非宣称当天首次提出该研究。

资料来源：Google Research：Agile Deliberation 研究介绍。